使用SVM算法实现鸾尾花识别功能

鸢尾花识别是一个很常见的机器学习问题，可以使用SVM（支持向量机）算法来解决。

下面是一个基于Python和Scikit-learn库实现的鸢尾花识别功能的例子：

# 导入需要的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 定义SVM分类器
clf = SVC(kernel='linear')

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 计算准确率
print("Accuracy:", accuracy_score(y_test, y_pred))

这个例子中，我们使用Scikit-learn库中的`datasets`模块加载鸢尾花数据集，然后将数据集分为训练集和测试集。接着定义SVM分类器并训练模型，最后预测测试集结果并计算准确率。

需要注意的是，鸢尾花数据集是一个经典的机器学习数据集，可以直接使用`datasets.load_iris()`函数加载。对于其他的数据集，需要根据具体情况进行加载和预处理。